PENGENALAN KECERDASAN

KOMPUTASIONAL
Latar Belakang
 Sebuah kepercayaan besar dalam pengembangan
algoritma
 Desain model algoritma untuk menyelesaikan masalah
kompleks yang semakin meningkat
 Sukses yang sangat besar tercapai
 Pemodelan biologis dan kecerdasan alami, “intelligent
systems” (sistem cerdas).
 Apa maksud kecerdasan (intelligence) ?
 Definisi dalam kamus: kecerdasan adalah kemampuan untuk
mengerti, memahami dan mengambil sisi positif dari
pengalaman, untuk menginterpretasikan kecerdasan
 kapasitas untuk berfikir dan menalar (khususnya dengan
tingkat yang tinggi).
 Kata kunci aspek kecerdasan: kreativitas, keterampilan,
kesadaran, emosi, dan intuisi [Engelbrecht, 2007]

2
Kecerdasan Komputasional
 Definisi oleh IEEE Neural Networks Council tahun
1996:
 Ilmu yang mempelajari bagaimana membuat komputer
melakukan sesuatu dimana manusia dapat
melakukannya dengan lebih baik
Algoritma-algoritma KK
 Artificial Neural Networks (Jaringan Syaraf Tiruan)
 Fuzzy Systems (Sistem Fuzzy)
 Evolutionary Computation (Komputasi Evolusi)
 Swarm Intelligence (Kecerdasan Kelompok)
 Artificial Immune Systems (Sistem Kekebalan
Buatan).

3
Hubungan dengan Kecerdasan Buatan
 Bergabung dengan
 Logika
 Deductive Reasoning (Penalaran Deduktif)
 Expert Systems (Sistem Pakar)
 Case-based Reasoning (Penalaran Bebasis Kasus)
 Symbolic Machine Learning Systems
 Algoritma-algoritma kecerdasan tersebut
membentuk bagian dari Artifical Intelligence
(Kecerdasan Buatan)

4
Paradigma Kecerdasan Komputasional
Artificial Immune System
AIS
Neural Networks Evolutionary Computation

NN EC

Fuzzy System Swarm Intelligence

FS SI

Teknik Probabilistik

5
Artificial Neural Networks
 Otak
 Komputer yang kompleks, non-linear, dan parallel.
 Mempunyai kemampuan untuk melakukan pekerjaan
seperti pengenalan pola, pemahaman, dan control
gerakan yang lebih cepat daripada segala komputer
 Kemampuan untuk mempelajari, mengingat, dan
juga mengeneralisir, mendesak penelitian dalam
pemodelan algoritma sistem syaraf biologis –
disebut Artificial Neural Networks (ANN)

6
Otak manusia
 Lebih dari 10 juta neuron, 60 trilyun koneksi (disebut
synapses) diantara neuron.

 Dengan menggunakan banyak neuron secara simultas, otak

dapat menjalankan fungsinya jauh lebih cepat daripada
komputer tercepat yang ada saat ini (Negnevitsky, 2002).
 Mungkin menjadi kenyataan memodelkan otak manusia ?
Tidak sekarang.
 Pemodelan saat ini baru sebatas penyelesaian masalah
tunggal dengan bentuk ANN sedang.
7
Jaringan Syaraf
 Bagian dasar syaraf biologis:
 Sel-sel syaraf  neuron.
 Neuron terdiri dari:
 Badan sel (soma)
 Sejumlah serat yang menyalurkan informasi ke neuron
(dendrite)
 Sebuah serat tunggal yang keluar dari neuron (axon)

8
Artifical Neuron
 Merupakan model dari neuron biologis.

Bobot (dendrite) Adder (penggabungan

sinyal masuk)
x1 w1
Keluaran (axon)

S
w2
x2 y
w3
Fungsi aktivasi
x3
T
Sinyal masukan / stimulus Threshold
fungsi aktivasi

9
Bidang Penerapan ANN
 Akademik: prediksi lama studi mahasiswa,
pengelompokan nilai akademik.
 Bisnis: prediksi omset penjualan.
 Medis: diagnosis awal penyakit pasien.
 Ekonomi: segmentasi pasar

10
Evolutionary Computation (EC)
 Bertujuan menirukan proses evolusi alami
 Konsep utama: perjalanan menuju yang terbaik dengan
sistem seleksi alam,
 Individu yang kuat akan bertahan hidup dan berkembang
biak sedangkan yang lemah akan mati.
 Dalam evolusi alami
 Perjalanan dicapai melalui reproduksi.
 Keturuanan, direproduksi dari dua induk (atau lebih)
 Keturunan berisi unsur-unsur genetik kedua (atau semua)
induk, dengan harapan adalah karakteristik terbaik dari
setiap induk.
 Individu-individu yang mewarisi karakter jelek menjadi
lemah dan kalah dalam persaingan perjalanan alam.

11
Bentuk-bentuk EC
 Algoritma genetika
 Memodelkan evolusi genetic
 Pemrograman genetika
 Berdasarkan algortima genetika tetapi individu adalah program
(direpresentasikan sebagai pohon)
 Pemrograman evolusi
 Diturunkan dari simulasi perilaku adaptif dalam evolusi
 Evolusi differensial
 Mirip dengan algoritma genetika, perbedaannya dalam
mekanisme rproduksi yang digunakan
 Evolusi kultural
 Memodelkan evolusi budaya populasi dan bagaimana
pengaruh genetic dan phenotype evolusi individu.

12
Komponen Evolutionary Computation
 Individu  kromosom
 Karakter  gen
 Setiap kromosom terdiri dari beberapa gen
 Nilai dari gen disebut allele
 Keturunan dibangkitkan dengan kawin silang
(crossover)
 Mutasi gen
 Fungsi fitness  kekuatan perjalanan individu
 Seleksi

13
Sistem Fuzzy
 Memungkinkan kita melakukan apa yang disebut sebagai
penalaran kira-kira.
 Sebuah elemen dapat menjadi anggota dengan derajat
kepastian tertentu.
 Memungkinkan penalaran dengan fakta ketidakpastian
untuk menyimpulkan fakta baru dengan derajat kepastian
yang dikaitkan dengan setiap fakta.
 Diterapkan pada berbagai bidang secara sukses untuk
mengendalikan sistem:
 Sistem transmisi roda gigi dan rem dalam kendaraan
 Pengendali lift
 Peralatan-peralatan rumah tangga
 Pengendali lampu lalu listas, dan sebagainya

14
Swarm Intelligence (SI)
 Sebenarnya berasal dari pembahasan dalam
masalah koloni, atau kawanan organisme sosial.
 Studi tentang perilaku sosial organisme (individu)
dalam kawanan
 Yang kemudian memicu desain optimasi dan algoritma
clustering yang sangat efisien.
 Particle Swarm Optimization
 Ant Colony Optimization
 Bee Colony Optimization
 Chemical Reaction Optimization

15
Bidang penerapan Komputasi Evolusi dan
Swarm Intelligence
 Transportasi: Pencarian rute terpendek dari asal ke
tujuan.
 Sipil: Penjadwalan proyek
 Akademik: penjadwalan kuliah
 Pergudangan: Pencarian kombinasi cara penataan
barang.

16
Artificial Immune Systems
 Natural Immune System mempunyai kemampuan pencocokan untuk
membedakan antara sel-sel asing yang masuk ke tubuh (non-self, /
antigen) dan sel-sel milik tubuh (self).
Bentuk:
 Sistem kekebalan tubuh membedakan antara self dan non-self
 Menggunakan limfosit yang diproduksi di organ limfoid. Limfosit “belajar”
untuk mengikat antigen.
 Teori seleksi klonal
 B-Cell aktif memproduksi antibodi melalui proses kloning. Kloning yang
dihasilkan juga bermutasi.
 Teori bahaya
 Sistem kekebalan tubuh memiliki kemampuan untuk membedakan antara
antigen berbahaya dan tidak-berbahaya.
 Teori Network
 Diasumsikan bahwa B-Sel membentuk jaringan. Ketika B-Cell merespon
antigen, maka B-Cell menjadi aktif dan merangsang semua B-Sel lain
yang terhubung dalam jaringan

17
Bidang Penerapan AIS
 Jaringan Komputer: Deteksi serangan cracker,
deteksi keberadaan virus.
 Akademik: Deteksi mahasiswa bermasalah atau
berprestasi.
 Klimatologi: Deteksi anomali cuaca dan iklim.
 Kesehatan: Deteksi sel kanker, pencarian bagian
tubuh yang abnormal dalam citra medis.

18
ANY QUESTIONS ?
TUGAS INDIVIDU
 Cari Definisi, cara kerja, contoh aplikasi/penggunaan
(termasuk flowchartnya, jika ada) dari Algoritma-
algoritma AI berikut:
 Artificial Neural Networks (Jaringan Syaraf Tiruan)
 Fuzzy Systems (Sistem Fuzzy)
 Evolutionary Computation (Komputasi Evolusi)
 Swarm Intelligence (Kecerdasan Kelompok)
 Artificial Immune Systems (Sistem Kekebalan Buatan).

20